01

UN MODELO MATEMÁTICO PARA REALIZAR PRONÓSTICOS
Prof. Robinson Arcos

OBJETIVOS: • • Presentar un modelo matemático de ajustes de curvas que permite, entre otras cosas, realizar pronósticos o estimar parámetros físicos, químicos, etc. Hacer uso de la Aplicación Estadística de la calculadora ClassPad 300 PLUS para establecer el tipo de curva que mejor aproxima a un grupo de datos en el sentido del Método de los Mínimos Cuadrados.

CONOCIMIENTOS PREVIOS: • Conocimiento sobre las funciones básicas: lineal (afín), cuadrática, potencial, polinómica, logarítmica, exponencial y otras.

INTRODUCCIÓN: Como sabemos, una descripción matemática de un fenómeno de la vida real, dada en términos como por ejemplo, de una función o de una ecuación es lo que constituye un modelo matemático. El consumo continuo de un producto en el mercado, el descenso significativo del número de fumadores entre dos fechas en una población en particular, la expectativa de vida de una persona al nacer, el costo de la reducción de productos contaminantes en una determinada zona, la necesidad de realizar pronósticos sobre la variación a futuro del PIB en un país determinado, son ejemplos de fenómenos reales que se pueden modelar matemáticamente por una función. La finalidad del modelo es comprender el fenómeno y, quizá, hacer pronósticos acerca de su comportamiento.
Figura 1

MODELO MATEMÁTICO DE AJUSTE DE CURVAS: Al formular este tipo de modelo matemático, es necesario identificar en lo posible el mayor número de datos fidedignos (constantes) del fenómeno, definir, rotular y clasificar las incógnitas (variables independientes y dependientes) y establecer consideraciones, físicas, químicas, geométricas, etc., de manera tal que representen plenamente el fenómeno en estudio, pero al mismo tiempo lo simplifiquen suficientemente para que, junto con las condiciones y restricciones, éste pueda finalmente modelarse matemáticamente. El buen manejo de la situación física, química o geométrica y la destreza y habilidad matemática que poseamos, nos permitirá obtener ecuaciones que relacionen los datos del fenómeno con las variables que hemos definido. Es común que se nos presenten situaciones en las cuales no existe, por ejemplo, una ley física que guíe la construcción del modelo. En este caso al reunir los datos se procede a organizarlos y representarlos en forma tabular (mediante una tabla, como por ejemplo parejas (x n , yn ) ) para distinguir algunos patrones matemáticos de comportamiento. Si el comportamiento es funcional (los datos yn están en función de los datos x n , esto es,

yn = f (x n ) donde f es una función desconocida), es probable que nos convenga obtener una representación gráfica a partir de la representación numérica de la función, utilizando los datos de la tabla. En algunos casos, la gráfica podría incluso sugerir una fórmula algebraica adecuada de su regla de correspondencia.

Figura 2

1

0 332.0 Tabla 1 Gráfica de Dispersión para el nivel promedio de CO2 360. el cual se sustenta exclusivamente en los datos recopilados y se busca la ecuación de la curva que mejor se ajusta a estos datos. Si las predicciones no se ajustan a la realidad del fenómeno. y) de la tabla se obtiene una gráfica de dispersión.3 338.0 335. SITUACIÓN PROBLEMÁTICA 1 (Modelo de regresión lineal): 1. De modo que la relación funcional entre las variables satisface una ecuación de la forma y = ax + b . Es importante darse cuenta de las limitaciones del modelo. es bastante exacto para permitir conclusiones valiosas.3 351. desde 1982 hasta 2000.” Si no existe ley o principio físico o de otra naturaleza que nos ayuden a formular un modelo matemático.0 325.3 330.0 340.0 330. se puede construir un modelo matemático empírico.0 344. la realidad se simplifica lo suficiente para permitir los cálculos matemáticos. Si lo que interesa es establecer predicciones a futuro o establecer predicciones del pasado.3 347. el nivel promedio de dióxido de carbono en la atmósfera.0 1980 1985 1990 1995 2000 2005 X: Años Figura 3 En nuestro modelo empírico. Supongamos que se desea estimar el nivel promedio de CO2 que se obtuvo en 1997 y predecir el nivel promedio para el año 2005 y además contestar a la pregunta. explicaciones y probablemente pronósticos del comportamiento futuro del fenómeno. ya que las conclusiones e interpretaciones basadas en el modelo deben ofrecer soluciones. Observemos que la misma nos indica un comportamiento lineal del nivel promedio de CO2 en relación directa con el tiempo transcurrido. Al final la Madre Naturaleza tiene la última palabra. se necesitará afinar el modelo. Un modelo matemático no es una representación completamente exacta de un fenómeno de la realidad. ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? X 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 Y 327. que luego deben contrastarse con la situación real.5 341. 2 . En la siguiente tabla aparece tabulado. Al obtener una representación gráfica de las parejas de puntos (x. la variable independiente x representará cada uno de los años transcurridos desde 1982 hasta 2000 y la variable independiente y representará el nivel promedio de CO2 correspondiente al año x.0 345. pero incluso así.La virtud de un modelo matemático es que éste. e iniciar el ciclo una vez más. esto se logra por un proceso de comparación con los nuevos datos reales.3 354.0 350. o formular uno nuevo. por la pérdida de una parte del histórico de datos (pérdida de memoria). Para James Stewart: “En un buen modelo. por bienios. en el sentido que la misma capture la “tendencia básica de los puntos dados”.0 Y: Nivel de CO2 en ppm 355. es sólo una idealización. medido en partes por millón en un determinado observatorio en una población del mundo. permite analizar el fenómeno y establecer conclusiones en términos matemáticos.0 335.

y del que se deducen otros modelos. al operar su calculadora. L .Pudiéramos establecer la ecuación de la recta que pasa por el primer punto y el último. un método que permite determinar la ecuación de la “recta que mejor ajuste” un determinado número de puntos se conoce como el método de los mínimos cuadrados. se obtienen puntos que no están alineados.0 325.] [Cerr. Presione encenderla. yi ) para i = 1. consiste en determinar la ecuación de una recta: y = ax + b a la que deberían pertenecer todos los puntos de coordenadas (x i . Generalmente. para (4) Toque el botón para acceder directamente al administrador de variables. las calculadoras graficadoras como la ClassPad 300 PLUS tienen funciones que permiten calcular los valores de a y b. Si hay variables asignadas. Operación con la ClassPad.0 335. 3. El método de los mínimos cuadrados proporciona “buenas aproximaciones” de los coeficientes a y b. los errores en los experimentos o en la misma recolección de datos. Con conocimientos de matemáticas.8 350.0 1980 1985 1990 X:Años Figura 4 1995 2000 2005 CURVAS DE REGRESIÓN CON LA CLASSPAD 300 PLUS: 2. Sin embargo. Por fortuna hoy en día.0 340. (3) En la barra de menús. (2) Toque en el panel de iconos para acceder directamente a la Aplicación Principal. toque [Edit] [Borrar todo] [Acep. toque [Todo] [Seleccionar todo] [Edit] [Borrar] [Acep.] para limpiar el área de trabajo.0 345. Antes de comenzar.] para limpiar las variables asignadas y regresar al área de trabajo de la Aplicación Principal. Recta de regresión para el nivel promedio de CO2 360.5012x . El caso más sencillo.2648. la cual se llama recta de regresión. El problema es encontrar la recta que “mejor ajusta” este conjunto de puntos (recta de regresión lineal).0 355. y trazar la gráfica de la recta de regresión a partir de los puntos datos. es posible encontrar fórmulas para el cálculo de la pendiente a y la ordenada en el origen b de la recta resultante. como una posibilidad de elegir una recta que mejor represente el comportamiento de los 10 puntos tabulados. Toque main dos veces. por imprecisión de los instrumentos. tome el lápiz táctil y colóquela sobre la mesa. El método de los mínimos cuadrados se emplea como modelo matemático para realizar pronósticos a partir de datos recolectados en la vida cotidiana o para estimar parámetros a partir de datos recogidos experimentalmente. 3 .] [Cerr. obtenidos en algún proceso de recolección de datos.0 330. obtenga los mismos resultados y pantallas que aquí se exponen: (1) Retire la cubierta de la calculadora. será necesario realizar las siguientes tareas de limpieza y configuración para que. n . 2.0 Y:Nivel de CO2 en ppm y = 1.

toque aquellos donde aparece la marca de verificación para desactivarlos. Al terminar este cuerpo de instrucciones. • • Figura 6 • • De esta manera. (11) En el panel de iconos toque para maximizar la ventana del editor de listas. toque el botón presentación de números: Normal 1. en la lista 1.] para regresar a la ventana de la Aplicación Principal. Tipo: Disper. su calculadora mostrará la pantalla indicada en la Figura 6 de la ventana de la Aplicación Estadística. y seleccione el modo de y seleccione la unidad de En los recuadros de verificación que corresponden al formato Avanzado. en la barra de herramientas. ListaY: list2. (13) Manipulando la tecla direccional elíptica ubique el cursor el la primera celda de la lista 1 (list1) y teclee 1982 que corresponde al primer dato de la lista de años en la Tabla 1. En el recuadro Ángulo. Si se equivoca al registrar un dato. Al terminar su calculadora mostrará la pantalla de la Figura 5. (17) Finalmente toque [Def. Para trazar el diagrama de dispersión de los datos será necesario hacer las siguientes operaciones de configuración de gráficos estadísticos: • Figura 7 (16) En la barra de menús. Lista X: list1. Al desplegarse el menú. Ahora accederemos directamente desde la Ventana de la Aplicación Principal a la ventana de la Aplicación Estadística.: 1. Utilice el punto y no la coma para separar la parte entera de parte decimal del número dato. Confirme con [EXE]. 4 . toque [ConfGráf] [Opciones …]. (15) Al terminar.] para confirmar la configuración. Marca: Cuadrado (observe la Figura 8).] para limpiar el editor de listas. (12) Toque [Edit] [Borrar todo] [Acep. [Preferencias ►] [Configuración ►] • (6) (7) (8) • (9) • En el cuadro de diálogo realice la siguiente configuración: En el recuadro Visualización. Frec. Toque [Def. toque el botón representación angular: Radián. En el cuadro de diálogo utilice los botones para configurar los siguientes parámetros: Dibujo: On. el cursor se ubica en la segunda celda de la lista 1.. Observe la Figura 7. (14) De la misma manera. Figura 5 (10) Toque el botón toque • para acceder directamente a la Aplicación Estadística. ubique el cursor en la primera celda de la lista 2 (list2) y registre los datos que corresponden a la variable y (nivel de CO2 en partes por millón). Aparecerá en la parte inferior de la pantalla dividida la ventana del editor de listas. ubique el cursor sobre el dato errado y escriba el nuevo número y luego confirme con [EXE]. (18) Toque en la barra de herramientas para trazar el gráfico de dispersión. registre en columna los demás datos correspondientes a la variable x (Años). se encuentran todos los datos de la variable x y en la segunda lista se encuentran todos los datos de la variable y.(5) En la barra de herramientas de la Aplicación Principal toque la siguiente secuencia de comandos: [Formato básico]. Observe que una vez que se registra el dato.

] [Regresión lineal]. 1 n−2 ∑ (yi − (axi + b))2 . • • Aparece en pantalla el cuadro Cálculo estadístico que muestra los valores de los parámetros de interés a.]. ¿cuál es la ecuación de la recta de regresión? Para contestar a las preguntas: ¿qué nivel promedio de CO2 se obtuvo en 1987?. MSe : Error cuadrático medio dado por MSe = Observación: El coeficiente de determinación r 2 satisface r 2 ≤ 1 . Mientras más cercano a 1 se encuentre el valor absoluto de este coeficiente. Si r está más cercano a cero. b y los parámetros estadísticos r. Si r 2 = 1 entonces los puntos están alineados. el coeficiente de correlación r nos da una medida de qué “tan buena” es la relación entre las dos variables. Figura 8 Figura 9 Figura 10 Los parámetros estadísticos indicados en la pantalla de la Figura 10 son los siguientes: y = ax + b : es la fórmula del modelo de regresión lineal. Indica “qué tan bueno” es el ajuste de la recta de regresión a los datos. Por otra parte. mejor será el ajuste. procedemos de la siguiente manera: 5 . i=1 n 3.Aparecerá la ventana de gráficos mostrando el diagrama de dispersión (Figura 9). b : término constante de regresión (ordenada en el origen). El diagrama de dispersión muestra un conjunto de puntos que tiende a alinearse. (20) En el cuadro de diálogo que aparece toque [Acep. De acuerdo a los datos indicados en pantalla. Mientras más cercano a 1 se encuentre este valor. Este coeficiente satisface −1 ≤ r ≤ 1 . r : coeficiente de correlación r 2 : coeficiente de determinación. “más fuerte” será la relación entre las variables x e y. ¿cuál será el nivel de CO2 para el año 2005? y ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón?. (19) Toque [Cálc. esto indicará que la relación entre las variable es “muy débil” y que los datos presentan una alta dispersión que no les permite alinearse. a : coeficiente de regresión (pendiente). r 2 y MSe (Figura 10).

• • Para obtener un valor más preciso. siga las siguientes instrucciones: para copiar en el portapapeles la para acceder directamente Figura 13 (24) Toque en el recuadro inferior el botón ecuación de la recta de regresión. Toque finalmente para evaluar la ecuación. Observe la disposición de los puntos respecto a la recta de regresión Figura 11 4. Si utiliza las teclas direccionales ► y ◄ de la tecla elíptica del teclado de la calculadora. como se puede observar en las Figuras 12 y 13. en el recuadro inferior aparecerá la ecuación de la recta de regresión.9969175 (alrededor de un 99 %)? ˆ de las variables x. (25) En la barra de herramientas toque y luego para maximizar la pantalla. la ecuación de la recta de regresión. • • • Aparecerá un cursor sobre la gráfica de la recta de regresión. Toque para pegar. a la Aplicación Principal. Es decir. en la Aplicación Principal. (27) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para ese año. en la línea de entrada. ¿Qué puede concluir del gráfico mostrado en la pantalla (Figura 11) y el valor del coeficiente de determinación r 2 = 0. Toque (26) Oprima la tecla [Keyboard]. Toque decimal (Figura 14). Contestemos a la primera pregunta: (22) En la barra de menús toque [Análisis] [Trazo]. que para 1987 el nivel promedio de CO2 se encontraba alrededor de las 334 partes por millón. ˆ y y Luego de trazar un gráfico de regresión se pueden calcular los valores estimados x respectivamente. y. Aparecerá la gráfica de la recta de regresión en el diagrama de dispersión. Figura 12 (23) Con las teclas direccionales ubique el cursor en un punto tal que x c ≈ 1987 . ˆ e y indicando los valores estimados x Encontrará que y c ≈ 334 . observará que el cursor se desplaza sobre la recta de regresión ˆ de las variables x e y. ¿Qué nivel promedio de CO2 se obtuvo en 1987? 6 . para obtener dicho valor en forma Figura 14 5. Por otra parte. seguidamente toque para activar el comando “with”. Toque la solapa [mth] para activar el teclado matemático.(21) Toque el botón • • para trazar la recta de regresión lineal.

y? Explique. (29) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para el año 2005. (34) Seleccione la fracción correspondiente al valor estimado x del año en que el nivel promedio de CO2 sobrepasará las 400 partes por millón. la ecuación de la recta de para activar el comando “with”.(28) Toque para pegar. ¿Cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? SITUACIÓN PROBLEMÁTICA 2 (Un modelo de estimación de parámetros): x 12 15 20 24 25 30 35 40 45 48 Tabla 2 8. ¿Qué ajuste le sugiere la nube de puntos? 7 . borre todas las listas. la ecuación de la recta de regresión. Para ello se dispone de 10 encendedores usados. en la línea de entrada. Trace el diagrama de dispersión. Responda a cada una de las preguntas que se formulan: a) ¿Qué tipo de función necesariamente deben verificar las variables x. (32) Toque [Acción] [Ecuación /Desigualdad ►] [solve]. Toque las teclas regresión. Queremos estimar la cantidad de masa de gas licuado en un encendedor de bolsillo de una marca determinada. luego toque para evaluar la ecuación. ¿Cuál será el nivel de CO2 para el año 2005? (31) Toque para pegar. y en list2 las correspondientes masas “y”. y 106 109 112 115 116 119 122 125 128 131 b) En la Aplicación Estadística. en la línea de entrada. A cada encendedor se le determina en una balanza la cantidad de masa “y” en gramos y se le mide la altura “x” en milímetros de la columna de líquido. registre en la list1 las alturas “x”. (35) Toque para obtener dicho valor en forma decimal. 6. 9. (33) Toque [ans] [Ejec]. luego toque para evaluar la ecuación. Figura 15 (30) Toque para obtener dicho valor en forma decimal. Figura 16 7.

que no hubiesen errores de medición?. donde a > 0 y b > 0 . si se sabe que la altura del depósito es de 55 mm? SITUACIÓN PROBLEMÁTICA 3 (Un modelo de crecimiento de población): X: Año 1900 (0) 1910 (1) 1920 (2) 1930 (3) 1940 (4) 1950 (5) 1960 (6) 1970 (7) 1980 (8) 1990 (9) 2000 (10) 2010 (11) 2020 (12) 2030 (13) Y: Población 1650 1750 1860 2070 2300 2520 3020 3700 4450 5300 5770 ? ? ? Tabla 3 10. 8 . por el diagrama de dispersión. Observación: Se sabe que la función que modela los crecimientos de población es una función exponencial de la forma y = ae bx . De modo que un ajuste lineal entre las variables x y ln y nos dará un ajuste exponencial entre la variable x y la variable y. ¿qué representan físicamente en este modelo los parámetros a y b? e) ¿Cuál es la masa aproximada de un encendedor vacío? f) ¿Cuál es la masa aproximada del líquido en un encendedor lleno. La siguiente tabla presenta datos sobre el número de habitantes (en miles) en una determinada ciudad cosmopolita de acuerdo a los censos realizados en cada década desde 1900 hasta 2000. Observe que si tomamos logaritmo neperiano en ambos miembros de la ecuación. y = ax + b. obtenemos la ecuación ln y = ln a + bx . lo que indica que si la variable dependiente y es una función exponencial de x. Al utilizar la ClassPad se obtiene la representación del modelo exponencial y la ecuación de la curva de ajuste. Existen procesos que exhiben un comportamiento exponencial como por ejemplo. entonces ln y es una función lineal de x. Se desea predecir el número de habitantes que tendrá la ciudad al comienzo de cada una de las tres primeras décadas del siglo XXI. los modelos de crecimiento de población o desintegración radiactiva. x = 1 representa el año 1910 y así sucesivamente. ¿porqué? d) Si el ajuste propuesto es lineal.c) ¿Esperaría. Aquí x = 0 representa el año 1990. esto es.

Toque finalmente para evaluar la ecuación.] [Regr. (41) El list1 registre los años: 0.11. para maximizar la ventana del editor de (39) En el panel de iconos toque listas. toque [ConfGráf] [Opciones …]. (49) Toque [Análisis] [Trazo].: 1.]. luego toque activar el comando “with”.]. Al desplegarse el menú para acceder directamente a la Aplicación Estadística. ListaY: list2. (51) En la barra de herramientas toque a la Aplicación Principal. (50) Toque en el recuadro inferior el botón ecuación de la curva de regresión. exponencial]. para trazar la curva de regresión exponencial. estadístico.]. (38) En la barra de herramientas toque el botón toque . Continúe usted dando respuesta a las demás interrogantes Figura 19 9 . (40) Toque [Edit] [Borrar todo] [Acep. para obtener dicho valor • Se estima entonces. • Figura 17 (44) (45) (46) (47) • Trace el diagrama de dispersión tocando en la barra de herramientas. Frec. 1. Toque [Cálc. toque [Acep.000 habitantes al comienzo de la primera década del siglo XXI. Toque entrada. para acceder a la Aplicación Principal. una población de 6. Al terminar su calculadora debe mostrar la pantalla de la Figura 17. (43) En la barra de menús. para pegar. (36) Toque (37) Toque [Edit] [Borrar todo] [Acep. …. Operación con la ClassPad. Lista X: list1. 10. (42) En list2 registre los datos de población. la ecuación de la recta de regresión..353. Toque para copiar en el portapapeles la para acceder directamente Figura 18 y luego para maximizar la pantalla. Tipo: Disper. En el cuadro Cálc. En el cuadro de diálogo Definir cálculo.] para confirmar la configuración. En el cuadro de para configurar los siguientes parámetros: diálogo utilice los botones Dibujo: On.] para limpiar el editor de listas. Toque en forma decimal (Figura 19). toque [Acep. (53) Seleccione la fracción correspondiente al valor estimado y del número de habitantes correspondiente al año 2010. en la línea de para (52) Active el teclado matemático [mth]. copiaremos la ecuación de la curva en la ventana de la Aplicación Principal. Marca: Cuadrado . Finalmente toque [Def. (48) Finalmente toque Para calcular el número de habitantes en la ciudad al inicio de las tres décadas del siglo XXI.

b > 0 . 10 . para cada año (X).020 11. En ciertos problemas no hay una relación lineal directa entre una variable y la otra. en el sentido del método de los mínimos cuadrados. x = 1 el año 1994 y así sucesivamente. SITUACIÓN PROBLEMÁTICA 5 (Un problema relacionado con la industria del vidrio) x 1390 1154 984 874 791 729 Tabla 5 14.8451 En este problema. Aquí x = 0 representa el año 1993.688.720. el número de electores (Y) inscritos en el Registro Electoral venezolano. entre el inverso de una y el inverso de la otra. encontrando la curva exponencial que mejor se ajusta a los datos de la tabla.6990 0.3010 0. entre una y el logaritmo de la otra. Sugerencia: Para no tener problemas de desbordamiento en la resolución de la ecuación en la Aplicación Principal. proceda de la siguiente manera: • Copie la ecuación en la ventana de la Aplicación Estadística y péguela en la línea de entrada de la Aplicación Principal. la segunda columna contiene el logaritmo decimal de la viscosidad y.7782 8. ¿Cuál es el número de habitantes que tendrá la ciudad al comienzo del a) año 2010? b) año 2020? c) año 2030? SITUACIÓN PROBLEMÁTICA 4 (Tasa de crecimiento porcentual del Registro Electoral): Año 1993 (0) 1998 (5) 2000 (7) 2004 (11) 2006 (13) Nº de electores 9. La teoría prevé que el logaritmo decimal de la viscosidad es una función exponencial de la temperatura ( y = ae bx ) o dicho de otro modo.4771 0.971 14. La tasa de crecimiento porcentual anual aproximada. Determine en qué intervalo debe mantenerse la temperatura para realizar el trabajo.027. sino entre una variable y el inverso de la otra. y 0.65 y log 13 ). etc.12. viene dada por 100 ⋅ b % .65 y 13.607 15. Determine esta tasa. El crecimiento del registro electoral sigue un crecimiento exponencial y = ae bx con a. b) Sólo es posible trabajar el vidrio cuando su viscosidad está entre 7. a) Encuentre la función exponencial que mejor ajusta los puntos de la tabla. que el logaritmo neperiano del logaritmo decimal de la viscosidad es una función afín de la temperatura.795 11. la primera columna la temperatura x de cierto tipo de vidrio en °C .921. • Sustituya el valor para la variable y (tenemos dos valores log 7. • Finalmente ejecute solve(ans) para obtener la solución.223 Tabla 4 13. La siguiente tabla presenta.6021 0. • Ejecute Ln(ans) para tomar logaritmo neperiano en ambos miembros de la ecuación. del registro electoral.013.

Observe que la curva que mejor ajusta el conjunto de puntos.9 5. En la tabla se muestran distancias promedio d de los planetas al Sol (tomando como unidad de medida la distancia de la Tierra al Sol) y sus períodos T (tiempos de revolución en años terrestres).5 5. Reflexione.086 39. la otra produce pronósticos más acertados.000 1. La tabla indica las emisiones de plomo hacia el medio ambiente en millones de toneladas métricas en un determinado lugar del planeta.0 18. n es cualquier número real y el dominio de la función ] 0. ¿El modelo corrobora dicha ley? . cuarto grado y = a + bx + cx 2 + dx 3 + ex 4 a estos datos.723 1. T 0. aquí x = 0 corresponde a 1955.3 5.+∞ [ ? b) Ajuste un modelo potencia a los datos.1 4. ¿es buen criterio tomar como modelo la curva que mejor ajusta un conjunto de puntos? ¿Qué hechos deben considerarse de antemano sobre un fenómeno de estudio.SITUACIÓN PROBLEMÁTICA 6 (Un problema de emisiones de plomo) Año 1955 (0) 1960 (1) 1965 (2) 1970 (3) 1975 (4) 1980 (5) 1985 (6) 1990 (7) 1995 (8) como un polinomio de Emisiones 199. Sin embargo. y así b) c) d) e) sucesivamente.5 4.1 143.861 29. x = 1 a 1960.387 0.541 19.350 a) Construya una gráfica de dispersión de T contra d y otra de ln T contra ln d . a) Ajuste tanto una curva exponencial.523 5. desde 1955 hasta 1995. Encuentre en cada caso los coeficientes de correlación y determinación.008 164.7 Tabla 6 15.8 68.203 9.507 Tabla 7 16. ¿Cuál de las dos es la curva que mejor ajusta el conjunto de datos? Estime gráficamente la cantidad de emisión de plomo en 2000 y en 2005 en cada caso. c) La tercera ley de Kepler del movimiento planetario afirma: “El cuadrado del período orbital de un planeta (tiempo que tarda en dar una vuelta alrededor del Sol) es directamente proporcional al cubo de su distancia media al Sol”.457 84.615 1.241 0.190 30. 11 .881 11.784 248.000 1. a la hora de elegir una curva de ajuste para un conjunto de datos? SITUACIÓN PROBLEMÁTICA 7 (Un problema de mecánica celeste): Planeta Mercurio Venus Tierra Marte Júpiter Saturno Urano Neptuno ¿Plutón? d 0. produce contradicciones en el mundo real al realizar el pronóstico. ¿Parece razonable un modelo potencia T = adn donde a es un número real positivo.

Sign up to vote on this title
UsefulNot useful